本體理念的信息檢索方案查詢與應(yīng)用初探

1、本體理念的信息檢索方案查詢與應(yīng)用初探摘 要：信息檢索是指根據(jù)用戶的需求，從已有的檢索工具或數(shù)據(jù)庫中查找所需信息的過程。本體作為一種客觀描繪，有著良好的概念層次構(gòu)造，可以利用公理對概念及概念間關(guān)系進(jìn)展推理，從而明確各種關(guān)系，建立知識間的概念模型。本體理念的信息檢索可對信息源進(jìn)展語義標(biāo)引，進(jìn)步查全率和查準(zhǔn)率，幫助用戶準(zhǔn)確的找到真正需要的信息。本文將從本體的根本概念出發(fā)，對本體理念在信息檢索中的應(yīng)用進(jìn)展初步探析，建立基于本體的信息檢索系統(tǒng)，進(jìn)步信息檢索效率。關(guān)鍵詞：本體；信息檢索；信息檢索系統(tǒng)中圖分類號：TP393.08隨著計算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的不斷進(jìn)步和開展，互聯(lián)網(wǎng)進(jìn)入了人們生活的各個領(lǐng)域，檢索方

2、式也由原來的脫機(jī)檢索、聯(lián)機(jī)檢索開展為今天的網(wǎng)絡(luò)檢索。然而，網(wǎng)絡(luò)檢索給人們帶來方便的同時，也給信息檢索帶來了費(fèi)事。信息檢索是指根據(jù)用戶的需求，從已有的檢索工具或數(shù)據(jù)庫中查找所需信息的過程，如何快速、準(zhǔn)確地檢索到用戶所需要的信息是信息檢索面臨的問題。因此，進(jìn)步檢索效率，進(jìn)步查全率、查準(zhǔn)率，討論新的檢索形式是信息檢索開展的必然趨勢。本體理念有著良好的概念層次構(gòu)造，是近幾年學(xué)術(shù)研究的熱點(diǎn)，它的應(yīng)用和推廣必然推動信息檢索的開展。1 本體的根本概念本體作為一種信息表達(dá)形式，有著良好的概念層次構(gòu)造，具有較強(qiáng)的表達(dá)才能。本體對邏輯推理的支持可以更好地表達(dá)概念之間的關(guān)系，使得信息具有一定的層次構(gòu)造。1.1 本體

3、的概念。本體是指對客觀存在物體的一種系統(tǒng)地描繪，它并不是詳細(xì)指某個人描繪該事物使用的詳細(xì)語言，而是將計算機(jī)的表達(dá)方式和人類的表達(dá)方式統(tǒng)一。Gruber認(rèn)為：本體就是指給出構(gòu)成相關(guān)領(lǐng)域詞匯的根本術(shù)語和關(guān)系，以及利用這些術(shù)語和關(guān)系構(gòu)成的規(guī)定這些詞匯外延的規(guī)那么。Borst Pim那么認(rèn)為：本體是概念模型的標(biāo)準(zhǔn)說明。Studer認(rèn)為：本體是指共享概念模型的形式化標(biāo)準(zhǔn)說明。第一，概念模型。所謂概念模型，是將客觀世界中一些現(xiàn)象抽象為形同概念而得到得到的，獨(dú)立于詳細(xì)的環(huán)境。第二，形式化。指本體是計算機(jī)可讀的。第三，共享。共享指本體是針對團(tuán)體所達(dá)成的共同認(rèn)可的知識。1.3 本體的分類。本體按照其研究范圍的分

4、類標(biāo)準(zhǔn)進(jìn)展分類，可以分為通用本體和領(lǐng)域本體。通用本體是指研究通用的概念、通用屬性，如空間、時間等等，并不局限在特定的領(lǐng)域。構(gòu)建通用本體的過程與構(gòu)造詞典相似，目前常用的通用本體有Wordnet 和 Hownet。領(lǐng)域本體是指描繪詳細(xì)領(lǐng)域知識的概念和屬性，描繪某個領(lǐng)域的知識。目前，領(lǐng)域本體比較匱乏，相對成熟的是生物學(xué)本體、醫(yī)學(xué)本體。領(lǐng)域本體庫的構(gòu)建需要領(lǐng)域?qū)＜业膮⑴c，并且要與共同到達(dá)的學(xué)術(shù)一致。1.4 本體的構(gòu)建方法。根據(jù)目前認(rèn)可度較高的Gruber提出的本體構(gòu)建規(guī)那么，學(xué)界提出了多種構(gòu)建方法。認(rèn)可度最高的是斯坦福大學(xué)醫(yī)院開發(fā)的七步法：確定專業(yè)領(lǐng)域范圍；考察現(xiàn)有本體尋找復(fù)用時機(jī)；列出該領(lǐng)域的術(shù)語；

5、對該領(lǐng)域事務(wù)進(jìn)展分類；定義類的屬性、類與類之間的關(guān)系；定義屬性的分娩；創(chuàng)立屬于該類的實(shí)例。1.5 本體描繪語言。本體描繪語言隨著網(wǎng)絡(luò)開展而開展，并且具備多種功能使得本體在不同系統(tǒng)之間互操作。本體描繪語言需要提供機(jī)器可讀的形式，可以實(shí)現(xiàn)自然語言與機(jī)器表達(dá)形式的轉(zhuǎn)化。目前，常用的本體描繪語言主要有RDF、OWL，本文介紹RDF模型，以下是對這種語言的詳細(xì)介紹。RDF包括3種實(shí)體：資源和實(shí)體、屬性、聲明。資源和實(shí)體是對資源進(jìn)展標(biāo)識；屬性是對資源的各個方面進(jìn)展定義，如特征等；聲明是指對已經(jīng)被命名的屬性且被賦值的特定資源，即RDF聲明。RDF模型的描繪方式通常有以下幾種方式：簡化三元組方式，用尖括號將三

6、元組的主語、位于、賓語隔離；RDF模型圖方式，是以圖形的方式將三元組描繪的聲明表現(xiàn)出來，資源、字符串節(jié)點(diǎn)、屬性分別用橢圓、方框、連線來表示；RDF/XML方式，這種表達(dá)方式是按照RDF/XML語法和編碼規(guī)那么描繪RDF模型，并將這種模型存放在計算機(jī)中。2 基于本體的信息檢索系統(tǒng)隨著互聯(lián)網(wǎng)技術(shù)的開展，傳統(tǒng)的信息檢索已無法滿足人們的需求。傳統(tǒng)的信息檢索主要采用構(gòu)造化信息表示方式，要求有較高的查準(zhǔn)率。但是，傳統(tǒng)的信息檢索存在一定局限性，如文檔的添加較為復(fù)雜，增加了工作人員的工作量；構(gòu)造化信息表達(dá)形式限制了用戶的輸入，只能輸入與數(shù)據(jù)庫一致的信息才能得到檢索結(jié)果，而非構(gòu)造化信息表達(dá)形式在一定程度上放寬了

7、用戶的輸入限制，采用關(guān)鍵字匹配的方式，但是不能滿足語義檢索的要求，因此，不能進(jìn)步查全率，出現(xiàn)漏檢的情況?；诒倔w的信息檢索系統(tǒng)可以主動理解用戶要求，通過邏輯推理后進(jìn)展檢索。同時，本體理念的信息檢索系統(tǒng)可以將計算機(jī)的表達(dá)方式與人類的表達(dá)方式統(tǒng)一，實(shí)現(xiàn)計算機(jī)與人類的同語言交流。基于本體的信息檢索包含以下幾個模塊：文檔預(yù)處理操作、構(gòu)建索引、擴(kuò)展合并用戶查詢詞、構(gòu)造檢索模型、排序算法。文檔預(yù)處理操作是指利用分詞技術(shù)將大段文字分割成詞語，經(jīng)過詞法分析后，刪除沒有語義的詞匯，減少文檔的冗余。利用倒排文檔可將索引與原文檔相連，檢索詞作為索引大大進(jìn)步了檢索效率。用戶輸入檢索詞后，系統(tǒng)需要通過一定的預(yù)處理、或者

8、是通過查詢處理算法，擴(kuò)展合并查詢詞，推理用戶的檢索需求，從而進(jìn)步查準(zhǔn)率。構(gòu)造檢索模型可以迅速匹配用戶查詢的相關(guān)信息，進(jìn)步檢索效率。排序算法是指利用某種算法將與檢索詞相關(guān)性最強(qiáng)的檢索結(jié)果放在前面，讓用戶先看到想要的結(jié)果。為了進(jìn)步檢索的查全率、查準(zhǔn)率，基于本體的信息檢索系統(tǒng)還可以提供多類型的檢索形式，本體檢索作為根底檢索，關(guān)系檢索和屬性檢索為用戶提供高級檢索，為用戶提供知識間的聯(lián)絡(luò)，假設(shè)用戶需要個性化效勞，還可以提供回溯檢索。本體理念的信息檢索系統(tǒng)可以將關(guān)鍵詞進(jìn)展概念匹配，用戶在不具備專業(yè)檢索技能的情況下，也能迅速并準(zhǔn)確的檢索到所需要的的信息，給用戶帶來全新的極富人性化的體驗(yàn)。3 完畢語基于本體的信息檢索需要構(gòu)建本體領(lǐng)域知識庫，以本體的相關(guān)理論為根底。由于理論的復(fù)雜性和技術(shù)難關(guān)等原因，目前國內(nèi)外還沒有對本體信息檢索系統(tǒng)進(jìn)展大規(guī)模應(yīng)用。本體知識庫雖然在技術(shù)上較為先進(jìn)，但是就目前的開展程度來看，本體信息檢索只能停留在研究的初期，還有許多技術(shù)難關(guān)要攻克。如何構(gòu)建本體知識庫、充分利用本體表示形式帶來的優(yōu)勢仍有待進(jìn)一步研究，使用本體直接進(jìn)展匹配，將文檔進(jìn)展本體化，實(shí)現(xiàn)文檔的自動標(biāo)引，提供以自然語言為主的概念檢索和關(guān)系檢索形式，提供更人性化的效勞?？傊诒倔w的信息檢索，可以同時進(jìn)步查全率和查準(zhǔn)率，進(jìn)步檢索效率。本文的觀點(diǎn)仍有不成熟之處，希望諸位同仁對本體信息檢索系統(tǒng)形